第2章MATLAB神经网络工具箱函数课件.pptVIP

第2章 MATLAB神经网络 工具箱函数 2.1 MATLAB神经网络工具箱函数 2.2 MATLAB神经网络工具箱的图形用户界面 ; 利用神经网络能解决许多用传统方法无法解决的问题。神经网络在很多领域中都有应用，以实现各种复杂的功能。这些领域包括商业及经济估算、自动检测和监视、计算机视觉、语音处理、机器人及自动控制、优化问题、航空航天、银行金融业、工业生产等。而神经网络是一门发展很快的学科，其应用领域也会随着其发展有更大的拓宽。 ; 本章将介绍MATLAB神经网络工具箱的应用。在MATLAB神经网络工具箱中提供了丰富的演示实例，用MATLAB语言构造了典型神经网络的激活函数，编写了各种网络设计与训练的子程序，网络的设计者可以根据自己的需要去调用工具箱中有关神经网络的设计训练程序，使自己能够从繁琐的编程中解脱出来。 ; MATLAB神经网络工具箱提供了许多进行神经网络设计和分析的工具函数，这些函数的MATLAB实现，使得设计者对所选定网络进行计算的过程，转变为对函数的调用和参数的选择，这给用户带来了极大的方便，即使不了解算法的本质，也可以直接应用功能丰富的函数来实现自己的目的。有关这些工具函数的使用可以通过help命令得到，本章将对这些函数的功能、调用格式，以及使用方法做详细的介绍。; 随着MATLAB软件的版本提高，其对应的神经网络工具箱的内容越来越丰富，它包括了很多现有的神经网络的新成果，涉及的网络模型有，感知机网络、线性神经网络、BP神经网络、径向基神经网络、自组织神经网络、学习向量量化神经网络、Elman神经网络、Hopfield神经网络、自适应滤波和控制系统网络等。; 神经网络工具箱提供了很多经典的学习算法，使用它能够快速地实现对实际问题的建模求解。由于其编程简单，这样就给使用者节省了大量的编程时间，使其能够把更多的精力投入到网络设计而不是具体程序实现上。;2.1.1 神经网络工具箱中的通用函数 MATLAB神经网络工具箱中提供的函数主要分为两大部分。一部分函数是通用的，这些函数几乎可以用于所有类型的神经网络，如神经网络的初始化函数init( )、训练函数train( )和仿真函数sim( )等；另一部分函数则是特别针对某一种类型的神经网络的，如对感知机神经网络进行建立的函数simup( )等。表2-1列出了一些通用函数的名称和基本功能。 ;表2-1 神经网络的通用函数和功能;1. 初始化神经网络函数init( ) 利用初始化神经网络函数init( )可以对一个已存在的神经网络进行初始化修正，该网络的权值和偏值是按照网络初始化函数来进行修正的。其调用格式为： net=init(NET) ;3. 神经网络某一层的权值和偏值初始化函数initwb( ) 利用初始化函数initwb( )可以对一个已存在的神经网络的NET某一层i的权值和偏值进行初始化修正，该网络对每层的权值和偏值是按照设定的每层的初始化函数来进行修正的。其调用格式为： net=initwb(NET,i) ;5. 网络自适应训练函数adapt( ) 另一种通用的训练函数是自适应函数adapt( )。自适应函数在每一个输入时间阶段更新网络时仿真网络，而这在进行下一个输入的仿真前完成，其调用格式为： [net,Y,E,Xf,Af,tr]= adapt(NET,X,T,Xi,Ai) ;7. 权值点积函数dotprod( ) 网络输入向量与权值的点积可得到加权输入。函数dotprod ( )的调用格式为： Z=dotprod (W,X) 式中，W为S?R维的权值矩阵；X为Q组R维的输入向量；Z为Q组S维的W与X 的点积。 8. 网络输入的和函数netsum( ) 网络输入的和函数是通过某一层的加权输入和偏值相加作为该层的输入。调用格式： Z=netprod(Z1,Z2,…) 式中，Zi为S?Q维矩阵。;9. 网络输入的积函数netprod( ) 网络输入的积函数是通过某一层的加权输入和偏值相乘作为该层的输入。调用格式： Z=netprod(Z1,Z2,…) 式中，Zi为S?Q维矩阵。 10. 结构一致函数concur( ) 函数concur( )的作用在于使得本来不一致的权值向量和偏值向量的结构一致，以便于进行相加或相乘运算，其调用格式为： Z=concur(b,q) 式中，b为N?1维的权值向量；q为要达到一致化所需要的长度；Z为一个已经一致化了的矩阵。 ;例2-1 利用netsum( )函数和netprod( )函数，对两个加权